Så formar Zhipu AI, BAAI och AISI nästa kinesiska AI-ekosystem
Zhipu AI passerade kortvarigt ett börsvärde på 1 biljon HK dollar den 22 juni 2026 efter att GLM 5.2 släppts som öppen modell – men börsvärdet är inget bevis på att modellen uppnått AGI. Zhipu AI satsar på långvariga kodnings och agentuppgifter, BAAI för vidare öppen grundmodellforskning mot världsmodeller och robot...
Zhipu AI passerade kortvarigt ett börsvärde på 1 biljon HK dollar den 22 juni 2026 efter att GLM 5.2 släppts som öppen modell – men börsvärdet är inget bevis på att modellen uppnått AGI.
Zhipu AI satsar på långvariga kodnings och agentuppgifter, BAAI för vidare öppen grundmodellforskning mot världsmodeller och robotik, medan AISI använder AI för material, simuleringar, laboratorier och ingenjörsarbete.
Den verkliga konkurrensfördelen ligger i kopplingen mellan modeller, data, beräkningskraft, utvecklare, forskare och fysisk validering – inte enbart i topplaceringar på olika benchmarktester.
How are Zhipu AI, the Beijing Academy of Artificial Intelligence (BAAI), and the AI for Science Institute, Beijing (AISI) shaping the next pAn editorial illustration representing the connected layers of China’s emerging AI ecosystem.
AI Prompt
Create a landscape editorial hero image for this Studio Global article: How are Zhipu AI, the Beijing Academy of Artificial Intelligence (BAAI), and the AI for Science Institute, Beijing (AISI) shaping the next p. Article summary: These three institutions represent complementary layers of China’s AI strategy: Zhipu commercializes frontier general-purpose models and agents; BAAI supplies open, original foundational research; and AISI turns AI into . Topic tags: general, academic, general web, user generated, news. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks
openai.com
Kinas nästa AI-fas ser allt mindre ut som jakten på en enda supermodell. I stället växer en arbetsfördelning fram där olika aktörer fyller olika funktioner: Zhipu AI gör stora modeller till kommersiella agenter och utvecklarverktyg, Beijing Academy of Artificial Intelligence (BAAI) bygger öppna grundmodeller och system för bland annat robotik, medan AI for Science Institute, Beijing (AISI) kopplar AI till vetenskaplig upptäckt och ingenjörsprocesser.
Tillsammans pekar de mot en bredare strategi: att göra AI användbar i programvara, robotar, laboratorier och industrin – snarare än att förlita sig på en enda uppmärksammad modell.
Zhipu AI: från språkmodeller till långvariga agenter
Zhipu AI:s lansering av GLM-5.2 illustrerar skiftet från samtals-AI till system som ska kunna arbeta med komplexa uppgifter under längre perioder. Modellen släpptes som öppen modell den 17 juni 2026 och presenterades för kodning, agentbaserade arbetsflöden och ett kontextfönster på 1 miljon token.
Investerarnas entusiasm efter lanseringen bidrog till att Zhipu AI:s börsvärde vid ett tillfälle översteg 1 biljon HK-dollar den 22 juni. Värderingen speglar förväntningar på kommersialisering, utvecklaranvändning och plattformspotential. Den ska däremot inte tolkas som bevis för att någon enskild modell har uppnått artificiell generell intelligens, AGI.
Den viktiga förändringen är att gå från att sälja tillgång till en modell till att bygga en hel produktloop kring den. Den kan omfatta API:er, kodningsverktyg, agentkörning, företagsflöden och applikationer som skapar användning och intäkter. Öppna modellvikter kan samtidigt bredda den externa testningen och vidareutvecklingen, medan kommersiella tjänster bidrar till att finansiera fortsatt modell- och infrastrukturarbete.
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
What is the short answer to "Så formar Zhipu AI, BAAI och AISI nästa kinesiska AI-ekosystem"?
Zhipu AI passerade kortvarigt ett börsvärde på 1 biljon HK dollar den 22 juni 2026 efter att GLM 5.2 släppts som öppen modell – men börsvärdet är inget bevis på att modellen uppnått AGI.
What are the key points to validate first?
Zhipu AI passerade kortvarigt ett börsvärde på 1 biljon HK dollar den 22 juni 2026 efter att GLM 5.2 släppts som öppen modell – men börsvärdet är inget bevis på att modellen uppnått AGI. Zhipu AI satsar på långvariga kodnings och agentuppgifter, BAAI för vidare öppen grundmodellforskning mot världsmodeller och robotik, medan AISI använder AI för material, simuleringar, laboratorier och ingenjörsarbete.
What should I do next in practice?
Den verkliga konkurrensfördelen ligger i kopplingen mellan modeller, data, beräkningskraft, utvecklare, forskare och fysisk validering – inte enbart i topplaceringar på olika benchmarktester.
Den större lärdomen är att tekniskt oberoende handlar om mer än att äga modellvikter. Det kräver också system för träning och inferens, datapipelines, metoder för efterträning, agentramverk, distribution till utvecklare och pålitlig tillgång till beräkningskapacitet. En modell blir strategiskt uthållig först när den drar till sig ett ekosystem runt dessa lager.
BAAI: en öppen forskningsbro mot fysisk intelligens
BAAI har gått från arbetet med grundmodellerna i WuDao-serien till WuJie-familjen, som omfattar forskning om multimodala modeller, världsmodeller och fysisk, eller förkroppsligad, AI. Ny konferensrapportering beskriver WuJie·Physis som en fysisk latent världsmodell och WuJie·RoboBrain Orca som ett system under utveckling som kopplar samman språkligt resonemang, visuell förutsägelse och beslut om handling.
Inriktningen är viktig eftersom intelligens i den fysiska världen kräver förmågor som textbaserade modeller inte kan erbjuda på egen hand. Robotar behöver kunna uppfatta omgivningen, förutsäga vad som händer, planera, styra och fungera under föränderliga fysiska förhållanden. Världsmodeller och embodied AI försöker därför representera och agera i dessa miljöer – inte bara beskriva dem.
BAAI:s roll är också institutionell. Forskningsprogrammet betonar öppna modeller, agenter, grundläggande mjuk- och hårdvaruekosystem samt samarbete mellan forskning och näringsliv. Vid BAAI:s konferens 2026 uppgav arrangörerna att institutet hade gjort över 200 modeller tillgängliga som öppen källkod och att de globala nedladdningarna hade passerat en miljard. Siffrorna bör tolkas som mått på spridning, inte som direkta mått på modellernas kvalitet.
För Kinas AI-ekosystem ligger värdet hos ett institut som BAAI i att skapa återanvändbar forskningsinfrastruktur och utbildningskanaler. Öppna modeller, benchmarktester, verktyg och robotikplattformar kan ge universitet, startupbolag och tillverkare en gemensam grund för fortsatt utveckling.
AISI: när AI blir ett arbetsflöde för vetenskap och teknik
AISI angriper AI från ett annat håll. Institutet grundades i september 2021 och beskriver sitt uppdrag som att förena artificiell intelligens med vetenskaplig forskning och bygga infrastruktur för AI for Science.
Ramverket ”fyra bjälkar och N pelare” samlar modellalgoritmer och programvara, vetenskapliga databaser och kunskapssystem, effektiv experimentell karakterisering samt integrerad beräkningsinfrastruktur. Målet är att föra forskningen från isolerade, verkstadsliknande processer mot en mer sammanhängande plattformsmodell.
Bohrium är ett exempel på denna plattformsinriktning. Forskningsmolnet beskrivs som en miljö som kopplar samman vetenskaplig litteratur, kunskap, modeller, beräkningar, dataanalys och experimentella arbetsflöden. Målet är inte bara att låta AI generera ett svar, utan att hjälpa forskare att gå från en fråga till simulering, experiment och en ny mängd validerade data.
Den slutna återkopplingsloopen är särskilt viktig inom material- och molekylvetenskap. En stor atommodell som DPA4 kan stödja materialupptäckt och simulering. Det praktiska värdet ökar när modellens förutsägelser kan testas experimentellt och observationerna därefter förbättrar framtida modeller. En rapport från 2026 uppgav att en uppgraderad version av DPA4 rankades högst enligt samlade resultat på en internationell topplista för materialupptäckt. En topplisteplacering i sig bevisar dock inte verklig vetenskaplig effekt.
AISI-kopplat arbete med raketmotorer ger ett mer konkret exempel på fysisk validering. Rapporter beskriver en process som omfattar generativ design, förbränningssimulering, additiv tillverkning, automatiserad mätning och styrning samt tester. En nedskalad demonstrator uppges ha genomfört en validering i sluten loop. Sådana projekt är betydelsefulla eftersom de kopplar AI:s resultat till ingenjörsmässiga begränsningar och fysiska tester i stället för att stanna vid ett mjukvarubenchmark.
Därför är ekosystemet viktigare än en supermodell
Försprång i modelltester kan försvinna snabbt
Modellrankningar och produktfördelar kan förändras snabbt. Utvecklargemenskaper, vetenskapliga datamängder, experimentanläggningar, standarder och erfarenhet av faktisk implementering kan däremot byggas upp under betydligt längre tid. Sådana tillgångar gör framtida modellförbättringar mer användbara och minskar beroendet av en enskild lansering.
Olika områden kräver olika slags intelligens
En kodningsagent, en robotstyrning, en molekylsimulator och ett system för vetenskaplig litteratur löser inte samma tekniska problem. En nationell eller industriell AI-strategi gynnas därför av specialiserade modeller och gemensam infrastruktur, snarare än av en enda generalistmodell som förväntas klara allt.
Öppen forskning breddar innovationsbasen
Öppna modellvikter, verktyg, benchmarktester och plattformar gör det möjligt för forskare och företag att testa, anpassa och bygga vidare på varandras arbete. BAAI kan bidra till detta lager genom sin inriktning på öppen källkod, medan kommersiella företag som Zhipu AI kan omvandla kapaciteten till produkter och intäkter.
Vetenskaplig validering skapar en starkare återkoppling
Inom AI for Science kan de mest värdefulla systemen vara de som kopplar samman förutsägelse med simulering, experiment och mätning. Varje validerat resultat kan förbättra data och modeller inför nästa cykel. Det är en högre ribba än att generera ett plausibelt svar, men den ger också en tydligare väg till industriellt värde.
Oberoende är en teknikstack – inte en slogan
En motståndskraftig AI-utveckling kräver kapacitet inom algoritmer, programvara, data, beräkningskraft, kompetens, verktyg och implementering. Genom att diversifiera dessa lager kan beroendet av en enda leverantör eller teknisk metod minska. Ekosystemet blir också mer robust när en modell underpresterar eller när externa begränsningar förändras.
Den strategiska bilden
Zhipu AI, BAAI och AISI har olika positioner i samma framväxande system:
Zhipu AI bidrar med kommersiell drivkraft genom generalistmodeller, kodningssystem, agenter och utvecklarprodukter.
BAAI bidrar med öppen forskning, talangnätverk, grundmodeller och en väg mot multimodal och fysisk intelligens.
AISI bidrar med vetenskaplig infrastruktur som kopplar samman modeller med kunskap, beräkningar, experiment och ingenjörsmässig validering.
Deras betydelse är därför kompletterande, inte utbytbar. Zhipu AI visar hur avancerade modeller kan bli plattformar. BAAI visar hur öppen forskning kan sprida kapacitet till en bredare gemenskap. AISI visar hur AI kan byggas in i arbetsflöden där framgång mäts i ett material, ett experiment eller ett fungerande tekniskt system.
Den starkaste tolkningen av Kinas nästa AI-fas är därför inte att en enda modell har avgjort den globala kapplöpningen. Snarare kan konkurrensfördelen allt mer komma från att koppla samman självständiga forskningsmiljöer, kommersiella plattformar, teknisk motståndskraft och tvärvetenskapliga tillämpningar i ett öppet och samarbetsinriktat industriellt ekosystem.
